Traducido del inglés al español - www.onlinedoctranslator.

com

mputermethodsandprogr am sinbi om edicine 1 1 0 ( 2 0 1 3 ) 361–368

revista Página de inicio :www. internacional els ev ier salu d . com/ j o r na ls / cmpb

¿Se pueden identificar las clasificaciones de tomografía computarizada de

la enfermedad pulmonar obstructiva crónica utilizando redes bayesianas
y datos clínicos?

Lars P. Thomsena,∗, Ulla M. Weinreichb, Dan S. Karbinga, Vanja G. Helbo JensenC, Morten
Vuustd, Jens B. FrøkjærC, Stephen E. Reesa
aGrupo de Cuidados Respiratorios y Críticos (RCARE), Centro de Apoyo a las Decisiones Médicas Basado en Modelos, Departamento de Ciencias y
Tecnologías de la Salud, Universidad de Aalborg, Fredrik Bajers Vej 7E, DK-9220 Aalborg Este, Dinamarca
bDepartamento de Medicina Pulmonar, Hospital Universitario de Aalborg, Mølleparkvej 4, DK-9000 Aalborg, Dinamarca
CDepartamento de Radiología, Hospital Universitario de Aalborg, Hobrovej 18-22, DK-9000 Aalborg, Dinamarca
dDepartamento de Radiología, Sygehus Vendsyssel, Barfredsvej 83, DK-9000 Fredrikshavn, Dinamarca

información del artículo resumen

Historial del artículo:
Recibido el 7 de septiembre de 2012
Recibido en forma revisada el 6 de
febrero de 2013
Aceptado el 8 de febrero de 2013
El diagnóstico y la clasificación de la enfermedad pulmonar obstructiva crónica (EPOC) pueden verse como
difíciles. El razonamiento causal se puede utilizar para relacionar las mediciones clínicas con la
representación radiológica de los fenotipos de la EPOC, la enfermedad de las vías respiratorias y el enfisema.
En este trabajo se construyó una red probabilística causal que utiliza medidas clínicamente disponibles para
clasificar a los pacientes que padecen EPOC en los principales fenotipos enfermedad de las vías respiratorias
y enfisema. La red clasifica la gravedad de la enfermedad y, para la EPOC enfisematosa, el tipo de ampollas y

Palabras clave: su ubicación central o periférica. En cuatro casos de pacientes, se demostró que la red llegaba a la misma
Limitación del flujo de aire conclusión que se obtuvo de las tomografías computarizadas de alta resolución (HRCT) de los pacientes.
Intercambio gaseoso pulmonar Estos fueron: enfermedad de las vías respiratorias, enfisema con ampollas centrales pequeñas, enfisema con
Afección pulmonar obstructiva ampollas centrales grandes, y enfisema con ampollas periféricas. El enfoque puede ser prometedor al
crónica enfocarse en la TCAR en pacientes con EPOC, evaluar los fenotipos de la enfermedad y monitorear su
Modelado biomédico progresión utilizando datos clínicos.
© 2013 Elsevier Ireland Ltd. Todos los derechos reservados.

se está haciendo un esfuerzo cada vez mayor para identificar los

1. Introducción
La enfermedad pulmonar obstructiva crónica (EPOC) es una de las principales causas
de muerte en el mundo y se prevé que las tasas de mortalidad aumenten
[1]. A pesar de esto, el diagnóstico de la EPOC puede verse como difícil, ya que
la EPOC representa un grupo heterogéneo de categorías de enfermedades
que incluyen enfermedades de las vías respiratorias, enfisema, el tipo y la
gravedad de estas; y la presentación clínica del paciente individual. Solo
recientemente han estado disponibles recomendaciones que intentan
considerar la heterogeneidad de la enfermedad[2], con
fenotipos de la EPOC que dividen a los pacientes en subgrupos que
expresan sus medidas y resultados[3]. Tal como lo propone Friedlander
et al.[4] el fenotipo del paciente individual podría describirse mediante la
combinación de datos de uno o más de tres conjuntos de datos: datos
clínicos, mediciones fisiológicas y datos radiológicos.
Relacionar y combinar datos de estas tres fuentes es difícil. Los datos
fisiológicos a menudo describen las propiedades mecánicas o de intercambio
de gases del pulmón, mientras que la radiología ilustra la anatomía patológica
de los pulmones involucrada en subtipos de enfermedades, como la
degeneración tisular en el enfisema o la pared bronquial.

∗Autor correspondiente. Teléfono: +45 9940 9833.

Dirección de correo electrónico:lpt@hst.aau.dk (LP Thomsen).
0169-2607/$ – ver portada © 2013 Elsevier Ireland Ltd. Todos los derechos reservados.
http://dx.doi.org/10.1016/j.cmpb.2013.02.001
362
Fig. 1: la red probabilística causal dividida en tres capas horizontales, A–C, con flechas dirigidas que muestran la relación causal
explicada más adelante en el texto. La red incluye tres capas que describen la patoanatomía de la EPOC basada en CT/HRCT (A),
conceptos fisiológicos intermedios (B) y mediciones clínicas no invasivas (C), con detalles de las variables individuales que se dan
en el texto.
engrosamiento en la enfermedad de las vías respiratorias. Los datos clínicos
incluyen el nivel de disnea, el número de exacerbaciones y cómo el paciente
individual percibe el impacto de la enfermedad. En las recomendaciones
clínicas actuales para el diagnóstico de la EPOC[2], los datos fisiológicos y
clínicos se combinan en una evaluación del riesgo para el paciente, mientras
que los datos radiológicos no guardan relación con este riesgo
[5].
La combinación de datos de estas tres fuentes puede verse
favorecida por una aplicación sistemática del razonamiento causal, que
ha demostrado ser aplicable en otros campos.[6,7]. Se pueden postular
varios mecanismos causales que vinculan datos radiológicos, fisiológicos
y clínicos. Por ejemplo, es más probable que la enfermedad de las vías
respiratorias que se presenta en la tomografía computarizada (TC) como
remodelación de las vías respiratorias y engrosamiento de la pared
bronquial provoque producción de esputo que enfisema.
[8]. De manera similar, utilizando los datos de la TC, el enfisema se puede
describir por grado, ubicación y tamaño de las ampollas, y cada una de estas
clasificaciones puede estar relacionada causalmente con los perfiles de
intercambio de gases pulmonares, la mecánica pulmonar o los parámetros
clínicos.
Redes probabilísticas causales (CPN) – o redes bayesianas
– es una técnica que permite integrar el razonamiento causal con
las mediciones[9]. Este artículo investiga si se puede construir un
modelo de CPN que integre el conocimiento clínico, fisiológico y
radiológico en una red y, luego, al instanciar mediciones clínicas
simples en la red, si puede describir adecuadamente los patrones
de enfermedad estándar obtenidos a partir de datos de TC. Este
documento se centra en la formulación del modelo y la prueba de
concepto, mostrando el potencial de aplicación de la red en cuatro
situaciones bien definidas: enfermedad de las vías respiratorias
pequeñas; enfisema con ampollas centrales difusas; enfisema con
centro concentrado
ampollas; y enfisema con ampollas periféricas difusas. Las descripciones
de los modelos se comparan con los hallazgos radiológicos en estos
cuatro casos.
2. Métodos
En esta sección se presenta el CPN junto con las mediciones clínicas
utilizadas como entrada para la red y los conjuntos de datos de TC
utilizados para la comparación.
2.1. Descripción del CPN para la clasificación de la EPOC
Esta sección presenta el CPN ilustrado enFigura 1. El objetivo de la CPN
es clasificar a los pacientes que padecen EPOC en dos categorías
principales de enfermedad: enfermedad de las vías respiratorias o
enfisema, incluyendo su gravedad y tipo. Estos se seleccionan porque
representan los principales subtipos radiológicos de la EPOC
encontrados de forma fiable a partir de datos de TC[4,10], y ya que hacen
contribuciones independientes al signo cardinal de la EPOC: la
obstrucción del flujo de aire[11]. El CPN consta de 12 variables y se divide
en tres capas (A–C). Las variables en la capa superior (A) describen los
subgrupos patoanatómicos de enfermedad de las vías respiratorias y
enfisema. La capa inferior (C) consta de las mediciones clínicas, y las
variables de la capa intermedia (B) describen conceptos fisiológicos
intermedios necesarios para establecer el razonamiento causal en la red.
El siguiente texto describe las variables y los nexos causales relacionados
conFigura 1.
En la capa superior los dos subgrupos anatomopatológicos
enfermedad de las vías respiratoriasyenfisemason descritas por las
variables A1 y A2, respectivamente. La severidad de estos se clasifican en
ninguno, leve, moderado y severo donde, a priori, se asume que el 70%
 m étodos informáticos y progr am sinbi om edicine 1 1 0 ( 2 0 1 3 ) 361–368
de los pacientes que se presentan en un hospital para una evaluación
pulmonar tendrán EPOC moderada o leve, el 10 % no tendrá ninguna y el 20 %
tendrá EPOC grave. Deenfermedad de las vías respiratoriasyenfisemase trazan
varios vínculos causales. Ambos están causalmente relacionados con la
presencia o ausencia de untos productiva(C1). Ambos también afectarán lael
intercambio de gasespropiedades del pulmón (B1) con un grado similar de
enfisemaSe supone que causa mayores anomalías en el intercambio de gases
que las deenfermedad de las vías respiratorias. Aquí el intercambio de gases
se define como la coincidencia efectiva de la ventilación (V) y perfusión (q) en
el pulmón, generalmente expresado como la proporción deV/q. Los pulmones
enfermos suelen ser heterogéneos y tienen regiones pulmonares con niveles
bajos, normales y altos.V/qproporciones[12,13], habiéndose demostrado que
la EPOC causa tanto baja como alta V/qproblemas dependiendo del fenotipo
[14]. BajoV/q Las proporciones típicamente se presentan como problemas de
oxigenación y estos están representados por -PO2(C2) en la red, con el
supuesto de una relación lineal entre el aumento de problemas en el
intercambio de gases(B1) y -PO2(C2). AltoV/qproporciones típicamente
presentes como problemas de dióxido de carbono, representadas por -PCO2
(C3) en la red. El valor de -PCO2(C3) depende del grado de pobreel
intercambio de gases(B1) y la fracción de este problema que es alta
V/q(Fracción alta V/q, B2). La medida de -PO2y -PCO2(C2 y C3) se
presenta más adelante en este texto. Paraenfermedad de las vías
respiratorias, es típico que los problemas de intercambio de gases
tengan un componente sustancial de altaV/q[14]y de ahí el nexo
causal entre A1 y B2. Paraenfisema el grado de bajoV/qy altaV/q
depende de laTipo de bulla(A3) con esta causalidad representada
utilizando las variables B2 y B3 como se describe en el siguiente
párrafo.Enfermedad de las vías respiratoriasprovoca cambios en las
propiedades mecánicas del pulmón, medidas clínicamente como el
VEF1% (C4).Enfisematambién provoca cambios en el FEV1% pero
esto depende de la presencia o ausencia deEnfisema central(A4) con
esta causalidad representada usando Enfisema Efecto sobreVEF1%
(B4) como se describe en los párrafos siguientes.
Tipo de bulla(A3) se describe como concentrada o difusa con una
probabilidad a priori equivalente para cualquier tipo. Se supone que
esta diferencia de tipo causa diferentes patrones de desajuste de
ventilación/perfusión. Si el enfisema se disemina de forma difusa a
través de los pulmones con ampollas pequeñas, estas áreas
normalmente se ventilarán cíclicamente durante la respiración con
una ventilación que generalmente excede la perfusión, lo que
resulta en una alta ventilación. V/q, representado en la red por
Enfisema Potencial V alto/q(B3). Este (B3) luego se combina con el
grado de enfermedad de las vías respiratorias(A1) para determinar
laFracción alta V/q(B2). Por el contrario, si el enfisema se concentra
en regiones del pulmón, ya sea como ampollas grandes o áreas
densas de ampollas pequeñas, la ventilación cíclica no será
suficiente para reponer estas áreas relativamente grandes de gas
con aire fresco y se presentarán como regiones de la pulmón sin
ventilación ni perfusión, o si se perfunde, como regiones con bajaV/
q. En este caso la probabilidad de unEnfisema Potencial V alto/q(B3)
se reduce.
Enfisema central(A4) se describe como presente o ausente (sí/no),
con una distribución a priori equivalente para cualquiera de los dos. Se
ha demostrado que el enfisema de localización central provoca cambios
importantes en el FEV1.1% reducciones[15]. Esto contrasta con el
enfisema periférico que generalmente se asume[dieciséis]para causar
solo una reducción menor en FEV1% En esta situación, el sitio de
destrucción del parénquima se encuentra en las partes más distales del
363
árbol bronquial que generalmente no se supone que se vacíen durante el
primer segundo de la espiración forzada, incluso en la salud[17].
En la capa inferior de la red, las cuatro mediciones clínicas no
invasivas aplicadas aquí están representadas por las variables C1–C4.
Estos fueron seleccionados para proporcionar una imagen de la
mecánica pulmonar del paciente (FEV1%), intercambio gaseoso pulmonar
(-correos2, -PCO2) y presentación sintomática (tos productiva). La variable
C1 describe la presencia de tos productiva. Las variables C2 y C3
describen medidas de intercambio gaseoso con problemas por bajaV/q(
C2) y altaV/q(C3). La separación de los problemas de intercambio de
gases en bajos y altosV/q los componentes se obtienen mediante la
técnica ALPE[18], donde una simple maniobra automatizada que varía el
oxígeno inspirado en 3-5 pasos permite identificar un modelo
matemático de intercambio de gases pulmonares. Esta técnica ALPE se
ha aplicado en numerosos estudios de investigación.[19–21]y está
disponible comercialmente, pero no se aplica de forma rutinaria en la
práctica clínica. Por lo tanto, en el suplemento electrónico de este
manuscrito se incluye una breve introducción que ilustra los datos y el
ajuste del modelo para todos los pacientes presentados aquí. -CORREOS
2(C2) y -PCO2(C3), a las medidas de ALPE, se les asignan grados de
severidad: ningún problema; templado; moderado y severo. VEF1% (C4)
se le asignan grados de severidad según la escala GOLD de referencia
[22].
La naturaleza causal de la red dicta que la fila superior contiene
las causas y la fila inferior los efectos. Por lo tanto, al usar la red, las
mediciones clínicas disponibles se instancian en las variables C1–C4
en la fila inferior. Cuando se instancian las variables, la red se
actualiza de abajo hacia arriba, en contra de la dirección de la
causalidad, lo que da como resultado la clasificación de la EPOC en
la capa superior de la red.
2.2. Consideraciones de hardware y software
La red probabilística causal construida se programa utilizando el
entorno de desarrollo Hugin (HUGIN Researcher 7.6, Hugin Expert
A/S, Dinamarca). Hugin es un lenguaje de programación gráfico y
Figura 1muestra la red tal como se presenta en Hugin. Para redes
más pequeñas (como esta), una versión liviana de Hugin está
disponible gratuitamente. La red se construyó y ejecutó
instantáneamente en una computadora portátil estándar (Intel
i7-2640M, 8 GB de RAM).
2.3. Descripción de los datos clínicos
Esta sección describe las mediciones clínicas utilizadas como entrada
para la red y los conjuntos de datos de tomografía computarizada de alta
resolución (HRCT) utilizados para la comparación en cuatro pacientes con
diferentes representaciones radiológicas de la EPOC. Todos los pacientes
dieron su consentimiento informado y el estudio fue aprobado por el
Comité de Ética local.
Los pacientes fueron remitidos recientemente a nuestra clínica
ambulatoria pulmonar local para una evaluación de rutina donde las
mediciones clínicas, incluida la puntuación del Consejo de Investigación
Médica (puntuación MRC)[23], gases en sangre e historial de enfermedades
estaban disponibles. La información sobre el historial de tos productiva estuvo
disponible a partir de esta evaluación.
Para cada paciente, la función pulmonar se midió como FEV1%
(MasterScreen Body, CareFusion, EE. UU.) y el intercambio de gases
pulmonares se midió mediante ALPE (ALPE esencial, Mermaid Care
A/S, Dinamarca) con capnografía convencional
364 m étodosinformáticosyprogramassinbi om edicina 1 1 0 ( 2 0 1 3 ) 361–368

(CO2SMO+, Respironics, EE. UU.) agregado para permitir el uso de

Tabla 1 – Mediciones clínicas utilizadas en la red en
los modelos ALPE más nuevos[24]. ALPE mide los dos parámetros los cuatro casos de pacientes.
- PO2y -PCO2. Durante la maniobra de ALPE, se extrajo y analizó una
Caso # Tos - PO2(kPa) - PCO2(kPa) VEF1(%)
gasometría arterial estándar (ABL-725, Radiometer, Dinamarca)
(sí No)
para su uso en la estimación de parámetros de ALPE.
1 No 1.7 1.0 46
Como parte de la comparación, los pacientes se sometieron a una HRCT
2 No 6.9 0.4 67
(Discovery CT750HD, GE, EE. UU.) dentro de las 48 h posteriores a todas las
3 No 4.1 0.6 93
demás mediciones. La exploración se realizó en posición supina utilizando 4 Sí 1.9 1.0 20
protocolos estándar, espesor de corte de 1,25 mm, sin contraste, con los
pacientes conteniendo la respiración durante la exploración. Cada exploración
fue evaluada de forma independiente por dos radiólogos experimentados y un
fisiólogo pulmonar experimentado. En las exploraciones se evaluó la presencia 3.1.1. Descripción de la red
y el grado de enfisema y engrosamiento de la pared bronquial, ya que los Las mediciones clínicas (tabla 1) se instancian en la red (Figura 2A,
cambios en los bronquiolos y los bronquios son una medida representativa de Caso 1) ya que notos productiva, suave -PO2, leve -PCO2y FEV grave1
la enfermedad de las vías respiratorias a partir de la TC.[10]. El enfisema se % Estos se propagan a través de la red y describen al paciente de la
graduó para todo el pulmón y para las tres regiones (por encima de la carina, siguiente manera: sufre de enfisema con grado moderado a severo.
entre la carina y la vena pulmonar inferior, y por debajo de la vena pulmonar El tipo bulla es difuso y el enfisema central está presente.
inferior), siendo el sitio primario de destrucción del parénquima central o
periférico, utilizando una técnica descrita anteriormente.[15]. También se
realizó una descripción funcional del enfisema con distinción entre ampollas
3.1.2. Descripción radiológica
pequeñas concentradas en una o más áreas, ampollas grandes concentradas
Un ejemplo ilustrativo del conjunto de datos CT se ve enFigura 2A, Caso 1. Los
en una o más áreas, ampollas pequeñas con distribución difusa o ampollas
radiólogos describieron la presentación primaria de la enfermedad como un
grandes con distribución difusa.
enfisema severo con ampollas diseminadas difusamente en los pulmones,
incluidas las regiones centrales.

3.2. Caso dos: enfisema con ampollas concentradas

3. Resultados
centrales

En esta sección se presentan los resultados del uso de la red en los

Este paciente era un varón de 70 años y exfumador con 100
cuatro casos de pacientes. Para cada caso, los datos clínicos se
paquetes año. La prueba de función pulmonar mostró FEV1% de 67
presentan entabla 1y la clasificación de la red se compara con los
y FEV11/FVC < 0,7, EPOC moderada según clasificación GOLD. El IMC
resultados de la evaluación de los datos CT correspondientes.
era de 30 kg/m2y no hubo comorbilidades conocidas. La queja
principal del paciente era disnea y la puntuación MRC era de 3. El
paciente tenía una SaO2del 93% en reposo, y la distancia de la
PM6M fue de 490 m.
3.1. Caso uno: enfisema con ampollas difusas centrales

Este paciente era una mujer de 75 años, exfumadora con 50 paquetes-
año (un paquete-año es un promedio de 1 paquete de cigarrillos fumado
por día durante un año). La prueba de función pulmonar mostró FEV1%
de 46 y FEV1/FVC < 0,7, EPOC grave según clasificación diagnóstica GOLD
[22]. El índice de masa corporal (IMC) era de 21 kg/m2y no hubo
comorbilidades conocidas. La queja principal del paciente era disnea y la
puntuación MRC era de 4. El paciente tenía una saturación de oxígeno
arterial (SaO2) del 96% en reposo, y la distancia de la prueba de marcha
de 6 min (6MWT) fue de 180 m.
3.2.1. Descripción de la red
Las mediciones clínicas (tabla 1) se instancian en la red (Figura 2A,
Caso 2) como grave -PO2, sin -PCO2problema y FEV moderado1% La
tos productiva no fue instanciada en este caso. Estos se propagan a
través de la red y describen al paciente de la siguiente manera:
sufre de enfisema con un grado moderado. El tipo bulla es
concentrado y hay enfisema central. Se predice tos productiva
presente.

Fig. 2 – (A) Casos de pacientes 1 y 2 con descripción de la red (izquierda) y tomografía computarizada (derecha). En la red, la entrada de datos clínicos se
marca en la fila inferior con texto en negrita y color gris. En la fila superior, el resultado con la mayor probabilidad de la red está marcado con texto en
negrita y color gris. En la tomografía computarizada, se usa una línea de puntos para dividir el pulmón izquierdo en una parte central y otra periférica.
Esta línea es según Aziz et al.[15], es decir, colocado a 0,7 veces el radio del pulmón, resultando áreas iguales a cada lado de la línea. Las tomografías
computarizadas se presentan con un ancho de ventana de 800 HU y un nivel de −800 HU. (B) Casos de pacientes 3 y 4 con descripción de la red (izquierda)
y tomografía computarizada (derecha). En la red, la entrada de datos clínicos se marca en la fila inferior con texto en negrita y color gris. En la fila
superior, el resultado con la mayor probabilidad de la red está marcado con texto en negrita y color gris. En la tomografía computarizada del paciente 3,
se usa una línea de puntos para dividir el pulmón izquierdo en una parte central y otra periférica. Esta línea es según Aziz et al.[15], es decir, colocado a
0,7 veces el radio del pulmón, resultando áreas iguales a cada lado de la línea. Para el paciente 3, la tomografía computarizada se presenta con un ancho
de ventana de 800 HU y un nivel de −800 HU. En el paciente 4, la tomografía computarizada se presenta con un ancho de ventana de 1200 y un nivel de
−500, según lo necesario para la descripción de la enfermedad de las vías respiratorias según Collins et al.[27].
Figura 2 - (Continuado)
366

Figura 2 - (Continuado)
 m étodos informáticos y progr am sinbi om edicine 1 1 0 ( 2 0 1 3 ) 361–368
3.2.2. Descripción radiológica
Un ejemplo ilustrativo del conjunto de datos CT se ve enFigura 2A, Caso
2. Los radiólogos describieron la presentación primaria de la
enfermedad como un enfisema moderado con ampollas principalmente
concentradas en las regiones centrales de los pulmones.
3.3. Caso tres: enfisema con ampollas difusas
periféricas
Este paciente era una mujer de 52 años, fumadora actual con 35
paquetes por año. La prueba de función pulmonar mostró FEV1% de 93 y
FEV1/FVC = 0,7, no categorizado como enfermo de EPOC según la
clasificación GOLD (FEV1El % debe estar por debajo del 80 % y el FEV1/
FVC por debajo de 0,7). El IMC era de 20 kg/m2y no hubo comorbilidades
conocidas. La queja principal del paciente era disnea y la puntuación
MRC era de 2. El paciente tenía una SaO2del 94% en reposo, y la distancia
de la PM6M fue de 400 m.
3.3.1. Descripción de la red
Las mediciones clínicas (tabla 1) se instancian en la red (Figura 2B,
Caso 3) ya que notos productiva, severo -PO2, leve -PCO2y FEV1
normal1% Estos se propagan a través de la red y describen al
paciente de la siguiente manera: sufre de enfisema con grado
moderado a severo. El tipo de ampollas es difuso y el enfisema está
ausente en las regiones centrales de los pulmones.
3.3.2. Descripción radiológica
Un ejemplo ilustrativo del conjunto de datos CT se ve enFigura 2B, Caso 3. Los
radiólogos describieron la presentación primaria de la enfermedad como un
enfisema moderado, diseminado difusamente principalmente en las regiones
periféricas de los pulmones.
3.4. Caso cuatro: enfermedad de las vías respiratorias
Este paciente era un varón de 53 años, exfumador con 30 paquetes
año. La prueba de función pulmonar mostró FEV1% de 20 y FEV1/FVC
< 0,7, EPOC muy grave según clasificación GOLD. El IMC fue de 27
kg/m2y no hubo comorbilidades conocidas. La queja principal del
paciente era disnea y la puntuación MRC era de 5. El paciente tenía
una SaO2del 93% en reposo, y la distancia de la PM6M fue de 300 m.
3.4.1. Descripción de la red
Las mediciones clínicas (tabla 1) se instancian en la red (Figura 2B,
Caso 4) comotos productiva, suave -PO2, templado
- PCO2y FEV muy severo1% Estos se propagan a través de la red y
describen al paciente con una enfermedad grave de las vías
respiratorias.
3.4.2. Descripción radiológica
Un ejemplo ilustrativo del conjunto de datos CT se ve enFigura 2B, Caso
4. Los radiólogos describen al paciente con una enfermedad grave de las
vías respiratorias.
4. Discusión
El diagnóstico y clasificación de la EPOC es difícil. Los datos que describen al
paciente individual pueden relacionarse con la presentación clínica,
367
fisiología o la descripción radiológica de los pulmones. Se ha postulado
aquí que la integración de estos diferentes tipos de datos se puede
lograr mediante la aplicación de razonamiento casual utilizando redes
probabilísticas causales. Se ha construido una red basada en postulados
que relacionan la presentación de la enfermedad de las vías respiratorias
y el grado de enfisema con datos que describen el intercambio de gases,
la mecánica pulmonar y la presentación clínica.
El presente estudio ilustra que esta red puede describir
adecuadamente el perfil radiológico de cuatro patrones típicos y
distintos de la EPOC. La red separa el enfisema de la enfermedad de
las vías respiratorias en todos estos casos. Además, con el enfisema,
la red pudo distinguir entre las ubicaciones de las bullas periféricas
y centrales que causaron diferentes reducciones en FEV1.1%
También para el enfisema, la red separó las ampollas pequeñas de
los subtipos de ampollas grandes de enfisema.
Según el conocimiento de los autores, este es el primer intento de
utilizar una CPN para combinar datos clínicos, fisiológicos y radiológicos
en la descripción de la EPOC. Como tal, existen limitaciones que deben
abordarse antes de que esto pueda considerarse apropiado para uso
clínico. La red fue diseñada para clasificar la EPOC en los componentes
primarios de la enfermedad de las vías respiratorias o enfisema, sin
embargo, se sabe que ambos subtipos pueden ocurrir simultáneamente.
[11,25]. Además, este estudio de prueba de concepto se ha centrado en
la posibilidad tecnológica de este enfoque. Si bien se ha demostrado que
el modelo brinda una buena descripción de cuatro casos bien definidos,
está claro que se requiere un grupo de pacientes mucho más grande
para una validación adecuada. Más casos de pacientes permitirían la
validación tanto de la comparación general de los resultados del modelo
con la TC como de los mecanismos causales incluidos en el modelo.
Este estudio ha demostrado que puede ser posible utilizar con éxito
el conocimiento causal para relacionar los datos clínicos y fisiológicos
con la descripción radiológica al caracterizar a un paciente con EPOC. Si
es reproducible, esto puede tener varias consecuencias importantes. La
TC y la HRCT son caras, ponen al paciente en riesgo de radiación y no
están disponibles en todas las instituciones. Por lo tanto, el uso de un
sistema como el que se presenta aquí puede permitir una aplicación más
específica de HRCT. Esto podría verse como un reemplazo de la
necesidad de HRCT, pero más probablemente como una herramienta de
diagnóstico adicional para monitorear la progresión de la enfermedad
donde la HRCT repetida frecuente sería problemática debido a la
exposición a la radiación.
Además, varios estudios han investigado los fenotipos de la
EPOC a partir de una combinación de datos clínicos, fisiológicos y de
TC, con pacientes evaluados de forma iterativa, incluida la TACAR
repetida.[5,26]. Un sistema clínico que pueda traducir los resultados
de dichos estudios a la práctica diaria sin necesidad de repetir la
evaluación por TC, como se realizó en los estudios, puede ser útil a
medida que se presente una nueva comprensión de los fenotipos
de la EPOC.
En conclusión, se demostró que una red probabilística causal que
combina los datos clínicos y fisiológicos disponibles describe
adecuadamente los distintos perfiles radiológicos de la EPOC. Se
requieren más estudios para comprender completamente el potencial y
las limitaciones de esta red. El enfoque puede ser prometedor para
abordar la TCAR en pacientes con EPOC, evaluar los fenotipos de la
enfermedad y monitorear su progresión utilizando los datos clínicos
disponibles de forma rutinaria.
368 m étodos informáticos y progr am sinbi om edicine 1 1 0 ( 2 0 1 3 ) 361–368
Declaracion de conflicto de interes
SR posee acciones en Mermaid Care A/S, que produce
comercialmente el sistema ALPE, y es miembro del directorio de
Mermaid Care A/S.
referencias
[1] DM Mannino, AS Buist, Carga global de la EPOC: factores de
riesgo, prevalencia y tendencias futuras, The Lancet 9589
(2007) 765–773.
[2] Iniciativa global para la enfermedad pulmonar obstructiva crónica
(GOLD), Estrategia global para el diagnóstico, manejo y prevención
de la EPOC 10/04 (2011).
[3] MK Han, A. Agusti, PM Calverley, BR Celli, G. Criner, JL Curtis, LM
Fabbri, JG Goldin, PW Jones, W. Macnee, BJ Make, KF Rabe, SI
Rennard, FC Sciurba, EK Silverman , J. Vestbo, GR Washko, EF
Wouters, FJ Martinez, Fenotipos de la enfermedad pulmonar
obstructiva crónica: el futuro de la EPOC, American Journal of
Respiratory and Critical Care Medicine 5 (2010) 598–604.
[4] AL Friedlander, D. Lynch, LA Dyar, RP Bowler, Fenotipos de la
enfermedad pulmonar obstructiva crónica, EPOC: Revista de
enfermedad pulmonar obstructiva crónica 4 (2007) 355–384.
[5] J. Vestbo, W. Anderson, HO Coxson, C. Crim, F. Dawber, L.
Edwards, G. Hagan, K. Knobil, DA Lomas, W. MacNee, Evaluación
de la EPOC longitudinalmente para identificar el extremo
sustituto predictivo -puntos (ECLIPSE), European Respiratory
Journal 4 (2008) 869–873.
[6] S. Andreassen, FV Jensen, KG Olesen, Sistemas expertos
médicos basados en redes probabilísticas causales,
International Journal of Bio-medical Computing 1 (1991) 1–30.
[7] L. Leibovici, M. Paul, AD Nielsen, E. Tacconelli, S. Andreassen, El
proyecto TREAT: apoyo a la decisión y predicción mediante redes
probabilísticas causales, International Journal of Antimicrobial
Agents (2007) 93–102.
[8] D. Hansell, Enfermedades de las vías respiratorias pequeñas: detección e
información con tomografía computarizada, European Respiratory Journal 6
(2001) 1294–1313.
[9] FV Jensen, TD Nielsen, Bayesian Networks and Decision Graphs,
Springer-Verlag, Nueva York, EE. UU., 2007.
[10] CC Barr, EA Berkowitz, F. Bigazzi, F. Bode, J. Bon, RP Bowler, C. Chiles,
JD Crapo, GJ Criner, JL Curtis, C. Dass, A. Dirksen, MT Dransfield, G.
Edula, L. Erikkson, A. Friedlander, M. Galperin-Aizenberg, WB
Gefter, DS Gierada, PA Grenier, J. Goldin, MK Han, NA Hanania, NN
Hansel, FL Jacobson, HU Kauczor, VL Kinnula, DA Lipson, DA Lynch,
W. Macnee, BJ Make, AJ Mamary, H. Mann, N. Marchetti, M.
Mascalchi, G. McLennan, JR Murphy, D. Naidich, H. Nath, JD Newell
Jr., M. Pistolesi, EA Regan, JJ Reilly, R. Sandhaus, JD Schroeder, F.
Sciurba, S. Shaker, A. Sharafkhaneh, EK Silverman, RM Steiner, C.
Strange, N. Sverzellati, JH Tashjian, EJ Beek, L. Washington, GR
Washko , G. Westney, SA Wood, PG Woodruff Deceased, Un taller
combinado de radiología pulmonar para la evaluación visual de la
EPOC:Diseño del estudio, hallazgos de la TC de tórax y
concordancia con la evaluación cuantitativa, EPOC, 2012.
[11] BD Patel, HO Coxson, SG Pillai, AGN Agustí, PMA Calverley, CF Donner, BJ
Make, NL Müller, SI Rennard, J. Vestbo, El engrosamiento de la pared
de las vías respiratorias y el enfisema muestran una agregación
familiar independiente en la enfermedad pulmonar obstructiva
crónica, American Revista de Medicina Respiratoria y de Cuidados
Críticos 5 (2008) 500–505.
[12] J. Roca, PD Wagner, Contribución de la técnica de eliminación de
múltiples gases inertes a la medicina pulmonar. 1. Principios y
contenido informativo de la técnica de eliminación de múltiples
gases inertes, Thorax 8 (1994) 815–824.
[13] P. Neumann, G. Hedenstierna, Distribuciones de ventilación y perfusión
en diferentes modelos de lesión pulmonar porcina, Acta
Anaesthesiologica Scandinavica 1 (2001) 78–86.
[14] PD Wagner, DR Dantzker, R. Dueck, JL Clausen, JB West,
Desigualdad entre ventilación y perfusión en la enfermedad
pulmonar obstructiva crónica, Journal of Clinical Investigation 2
(1977) 203–216.
[15] ZA Aziz, AU Wells, SR Desai, SM Ellis, AE Walker, S. MacDonald,
DM Hansell, Deterioro funcional en el enfisema: contribución de
las anomalías de las vías respiratorias y distribución de la
enfermedad parenquimatosa, American Journal of
Roentgenology 6 (2005) 1509– 1515.
[16] FAAM Hoesein, E. van Rixkoort, B. van Ginneken, PA de Jong, M. Prokop,
JWJ Lammers, P. Zanen, la distribución del enfisema cuantificada por
TC está asociada con la disminución de la función pulmonar, European
Respiratory Journal 40 (4) (2012) 844–850.
[17] JC Hogg, Fisiopatología de la limitación del flujo de aire en la
enfermedad pulmonar obstructiva crónica, The Lancet 9435 (2004)
709–721.
[18] SE Rees, S. Kjaergaard, P. Thorgaard, J. Malczynski, E. Toft, S. Andreassen,
El sistema de estimación automática de parámetros pulmonares (ALPE):
estimación no invasiva de los parámetros de intercambio de gases
pulmonares en 10–15 min , Journal of Clinical Monitoring and Computing
1 (2002) 43–52.
[19] S. Kjaergaard, S. Rees, J. Malczynski, JA Nielsen, P. Thorgaard, E.
Toft, S. Andreassen, Estimación no invasiva del desajuste entre
derivación y ventilación-perfusión, Intensive Care Medicine 5
(2003) 727 –734.
[20] SE Rees, C. Allerod, D. Murley, Y. Zhao, BW Smith, S. Kjaergaard, P.
Thorgaard, S. Andreassen, Uso de modelos fisiológicos y teoría de
decisiones para seleccionar configuraciones de ventilación
apropiadas, Journal of Clinical Monitoring and Informática 6 (2006)
421–429.
[21] DS Karbing, S. Kjaergaard, BW Smith, K. Espersen, C. Allerod, S.
Andreassen, SE Rees, Variación en el PaO2/FiO2
relación con FiO2: descripción matemática y experimental, y
relevancia clínica, Critical Care 6 (2007) R118.
[22] RA Pauwels, AS Buist, PMA Calverley, CR Jenkins, SS Hurd,
Estrategia global para el diagnóstico, manejo y prevención de la
enfermedad pulmonar obstructiva crónica, American Journal of
Respiratory and Critical Care Medicine 5 (2001) 1256–1276.
[23] J. Bestall, E. Paul, R. Garrod, R. Garnham, P. Jones, J. Wedzicha,
Utilidad de la escala de disnea del Medical Research Council (MRC)
como medida de discapacidad en pacientes con enfermedad
pulmonar obstructiva crónica , Tórax 7 (1999) 581.
[24] DS Karbing, S. Kjaergaard, S. Andreassen, K. Espersen, SE Rees,
Modelo mínimo de cuantificación del intercambio de gases
pulmonares en pacientes de cuidados intensivos, Ingeniería
médica y física 2 (2011) 240–248.
[25] AF Gelb, JC Hogg, NL Müller, MJ Schein, J. Kuei, DP Tashkin, JD
Epstein, J. Kollin, RH Green, N. Zamel, Contribución del
enfisema y las vías respiratorias pequeñas en la EPOC, Pecho 2
(1996) 353–359.
[26] EA Regan, JE Hokanson, JR Murphy, B. Make, DA Lynch,
TH Beaty, D. Curran-Everett, EK Silverman, JD Crapo, Diseño del
estudio de epidemiología genética de la EPOC (COPDGene),
EPOC: Revista de enfermedad pulmonar obstructiva crónica 1
(2011) 32–43.
[27] J. Collins, EJ Stern, TC Franquet, Enfermedad bronquiolar: un
espectro de causas y hallazgos de TC, Applied Radiology 1
(2002) 20–28.